摘 要：隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，我國(guó)機(jī)動(dòng)車輛數(shù)量大大增加，給交通管制帶來(lái)了一定壓力。車牌是管理交通車輛的唯一標(biāo)識(shí)，為了對(duì)車牌進(jìn)行準(zhǔn)確的定位，根據(jù)車牌的特征，本文提出一種自適應(yīng)的遺傳算法。通過(guò)實(shí)驗(yàn)，該方法能有效地對(duì)車牌進(jìn)行精確的定位，達(dá)到了較好的實(shí)驗(yàn)效果。

　　關(guān)鍵詞：

　　關(guān)鍵詞：遺傳算法 車牌定位 圖像處理

　　車牌牌照的提取是一個(gè)尋找最符合牌照特征的區(qū)域的過(guò)程，從本質(zhì)上講，就是一個(gè)在參量空間里尋找最優(yōu)定位參量的問(wèn)題。由于車牌定位中最優(yōu)定位參量的尋找不僅涉及牌照區(qū)域的特征，還有一些有關(guān)先驗(yàn)知識(shí)，就構(gòu)成了一個(gè)復(fù)雜的組合優(yōu)化問(wèn)題，這個(gè)優(yōu)化問(wèn)題用常規(guī)方法來(lái)解決不僅容易出錯(cuò)，而且效率不高。本文采用自適應(yīng)的遺傳算法準(zhǔn)確的定位車牌圖像。

　　由于遺傳算法的車牌定位方法利用遺傳算法對(duì)圖像進(jìn)行優(yōu)化搜索，結(jié)合區(qū)域特征矢量構(gòu)造適應(yīng)度函數(shù)，最終尋找車牌區(qū)域的最佳定位參量。車牌定位是尋找一個(gè)符合“車牌區(qū)域特征”最佳區(qū)域的過(guò)程，本質(zhì)上就是從參量空間尋找最優(yōu)定位參量的問(wèn)題，但是在實(shí)時(shí)系統(tǒng)中，車牌定位速度受遺傳算法中迭代次數(shù)的影響很大。

　　1 遺傳算法

　　遺傳算法(Genetic Algorithm,GA)是一種新發(fā)展起來(lái)的優(yōu)化算法。是一類借鑒生物界進(jìn)化規(guī)律演化而來(lái)的隨機(jī)化搜索方法，它是計(jì)算機(jī)科學(xué)人工智能領(lǐng)域中用于解決最優(yōu)化的一種搜索啟發(fā)式算法，能在大量干擾的數(shù)據(jù)系統(tǒng)中動(dòng)態(tài)尋優(yōu)，在給定的時(shí)間內(nèi)搜索問(wèn)題的較好解。

　　1.1 遺傳算法的原理

　　對(duì)于一個(gè)求函數(shù)最大值的優(yōu)化問(wèn)題(求函數(shù)最小值也類同)，一般可描述為下述數(shù)學(xué)規(guī)劃模型：

　　式中， 為決策變量， 為目標(biāo)函數(shù)， 和 為約束條件， 是基本空間， 是 的一個(gè)子集。滿足約束條件的解 稱為可行解，集合 表示由所有滿足約束條件的解所組成的一個(gè)集合，叫做可行解集合。

　　1.2 遺傳算法的基本運(yùn)算過(guò)程

　　遺傳算法中，將 維決策向量 用 個(gè)記號(hào) 所組成的符號(hào)串表示：

　　把每一個(gè) 看作一個(gè)遺傳基因，它的所有可能取值稱為等位基因，這樣 就可看作是由 個(gè)遺傳基因所組成的一個(gè)染色體。一般情況下染色體的長(zhǎng)度 是固定的，但對(duì)一些問(wèn)題 也可以是變化的。個(gè)體的適應(yīng)度與其對(duì)應(yīng)的個(gè)體表現(xiàn)型 的目標(biāo)函數(shù)值相關(guān)聯(lián)， 越接近目標(biāo)函數(shù)的最優(yōu)點(diǎn)，其適應(yīng)度越大，反之，其適應(yīng)度越小。遺傳操作包含三個(gè)基本遺傳操作算子(Genetic Operator)：選擇(Selection)、交叉(Crossover)、變異(Mutation)。

　　2 實(shí)驗(yàn)結(jié)果

　　本實(shí)驗(yàn)圖像庫(kù)中共有40幅圖(360個(gè)樣本)，其中25幅作為訓(xùn)練集(220個(gè)樣本);15幅圖作為測(cè)試集(140個(gè)樣本)。

　　(a) (b) (c)

　　圖1原圖

　　(a) (b) (c)

　　圖2 實(shí)驗(yàn)后車牌定位圖

　　圖1是采集到的原始三個(gè)圖像，圖2是經(jīng)過(guò)實(shí)驗(yàn)后，定位的車牌效果圖。由圖1我們可以看出，圖(a)光線較好，角度適中，圖像就比較清晰，(b)圖是在較暗的光線下拍攝的，圖(c)是在拍攝角度和光線均不佳的情況下拍攝的圖像。經(jīng)過(guò)實(shí)驗(yàn)后，我們得到圖2車牌定位的三幅圖。由圖2(a)可以看出，在光線較好和拍攝角度比較正的情況下，我們實(shí)驗(yàn)定位后的'車牌效果十分清晰，而且位置也比較正。由(b)可以看出，因?yàn)槭艿焦饩€較暗，定位后的圖像稍微有點(diǎn)模糊(和圖a比較)。由圖(c)我們可以看出，因?yàn)槭艿脚臄z角度和拍攝光線的影響，定位后的車牌圖像不但模糊，而且定位的車牌位置不正，有點(diǎn)偏。

　　綜上所述，我們?cè)讷@取車牌原始圖像時(shí)，有時(shí)候因采集的光線、拍攝角度、周圍環(huán)境的影響，使得獲取的車牌圖像效果不佳，影響到后期車牌識(shí)別系統(tǒng)的研究。在車牌圖像定位過(guò)程中，算法存在某些局限性，如光照很強(qiáng)的部位受到影響(圖1(a)),車牌的釘子也在定位范圍內(nèi)(圖1(b))，基于這樣的情況，我們?cè)谝院蟮难芯窟^(guò)程中，將進(jìn)一步完善該算法，使其達(dá)到更好的定位效果。實(shí)驗(yàn)結(jié)果是在windows XP/Matlab7.0.1環(huán)境下運(yùn)行得到。

　　參考文獻(xiàn)：

　　[1]虞安軍,吳海珍,蔣加伏.改進(jìn)的遺傳算法在車牌自動(dòng)系統(tǒng)中的應(yīng)用[J].計(jì)算機(jī)仿真,2010(11).

　　[2]巨志斌.遺傳算法在車牌特征選擇的應(yīng)用研究[J].計(jì)算機(jī)仿真,2012(12).

　　[3]李睿,皮佑國(guó).一種車牌圖像的快速定位算法究[J].微型電腦應(yīng)用,2013(8).

【基于遺傳算法的車牌定位技術(shù)研究論文】相關(guān)文章：

1.基于遺傳算法的優(yōu)化設(shè)計(jì)論文

2.論文：基于遺傳算法的電工學(xué)組卷程序的研究

3.基于遺傳算法的大型圓振動(dòng)篩的優(yōu)化設(shè)計(jì)論文

4.基于AC-BM改進(jìn)算法的入侵檢測(cè)技術(shù)研究論文

5.簡(jiǎn)議基于遺傳算法的MR減振器多目標(biāo)優(yōu)化設(shè)計(jì)論文

6.基于OpenCL的尺度不變特征變換算法的并行設(shè)計(jì)與論文

7.論文：基于粒子群算法的雙子支持向量機(jī)研究

8.基于遺傳學(xué)的產(chǎn)品開(kāi)發(fā)與基因研究論文